English(EN) User Trajectory Prediction Unifying Global and Local Temporal Information

用户轨迹预测研究论文被作者撤回

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

一篇题为“用户轨迹预测统一全局和局部时间信息”的研究论文被提交至arXiv，提出了一种结合多层感知机（MLP）、多尺度卷积神经网络（MSCNN）和交叉注意力（CA）的新型模型，以改进轨迹预测。该模型旨在捕捉用户移动数据中的全局和局部时间模式，解决了用户行为不同时间尺度带来的挑战。实验结果表明，与ModernTCN模型相比，该模型在保持相似推理时间的同时，降低了均方误差（MSE）和平均绝对误差（MAE）。然而，该论文后来被作者Wei Hao撤回。 AI

影响这项研究虽然被撤回，但探索了轨迹预测的新方法，可能影响未来需要用户移动分析的领域的研究。

排序理由该条目描述了一篇提交至arXiv的研究论文，详细介绍了一种新颖的模型及其实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇提交至arXiv的研究论文，详细介绍了一种新颖的模型及其实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Wei Hao, Bin Chong, Ronghua Ji, Chen Hou · 2026-10-12 04:00

用户轨迹预测统一全球和局部时间信息

arXiv:2508.02161v2 Announce Type: replace Abstract: Trajectory prediction is essential for formulating proactive strategies that anticipate user mobility and support advance preparation. Therefore, how to reduce the forecasting error in user trajectory prediction within an accept…

本文如何被排名

报道来源 [1]

用户轨迹预测统一全球和局部时间信息

相关实体

相关话题